基于合成数据的放射诊断基础模型用于全肿瘤临床诊断
图像与视频处理
2026-02-16 v3 计算机视觉与模式识别
摘要
AI 辅助影像在肿瘤诊断和管理方面取得了显著进展。然而，开发稳健的肿瘤基础模型的主要障碍是稀缺的大规模高质量标注数据集，这些数据集受隐私限制和高人工标注成本的限制。为此，我们提出 PASTA，一款基于 PASTA-Gen 的全肿瘤放射诊断基础模型，PASTA-Gen 是一个生成30000份具有像素级肿瘤掩码和结构化肿瘤报告的3D CT 扫描的合成数据框架，覆盖十个器官系统。依据这一资源，PASTA 在45个46个肿瘤任务中实现了最先进的性能，包括非对比 CT 肿瘤筛查、肿瘤分割、结构化报告、肿瘤分期、生存预测和 MRI 模态转换。为了评估临床可行性，我们开发了 PASTA-AID 临床决策支持系统，并在两个情景下进行了回顾性模拟临床试验。对于固定阅读时间下的全肿瘤筛查，PASTA-AID 将放射科医生的吞吐量提高了11.1-25.1%，灵敏度提高了17.0-31.4%，准确率提高了10.5-24.9%；此外，在诊断辅助工作流程中，它将分割时间缩短了最高78.2%，报告时间缩短了最高36.5%。除了在准确率和效率方面的提升，PASTA-AID 缩小了专业人才差距，使不太经验的放射科医生能够接近专家水平。整个工作建立了一个从数据生成、模型开发到临床验证的端到端、基于合成数据的管道，展示了在全肿瘤研究和临床转化方面的巨大潜力。
引用
@article{arxiv.2502.06171,
title = {A Synthetic Data-Driven Radiology Foundation Model for Pan-tumor Clinical Diagnosis},
author = {Wenhui Lei and Hanyu Chen and Zitian Zhang and Luyang Luo and Qiong Xiao and Yannian Gu and Peng Gao and Yankai Jiang and Ci Wang and Guangtao Wu and Tongjia Xu and Yingjie Zhang and Pranav Rajpurkar and Xiaofan Zhang and Shaoting Zhang and Zhenning Wang},
journal= {arXiv preprint arXiv:2502.06171},
year = {2026}
}
备注
63 pages, 7 figures